数据库原理主线梳理：从三级模式到三模型对比与易错点

简介这份《数据库原理第四版》课件面向数据库初学者与从业人员围绕数据库系统开发流程和核心理论展开从第一章到第十章覆盖数据库系统概述、数据模型组成要素、系统结构与组成等内容并重点讲解概念模型、层次模型、网状模型和关系模型的设计与实现。包内共1个PPT文件约289KB以幻灯片形式组织章节内容便于课堂讲授、自学翻阅和复习串联。目前已有168人学习下载。读者可据此理解需求分析、概念结构设计、逻辑结构设计与物理结构设计等环节重点掌握网状模型的一对多父子联系、记录类型与字段表示、排序字段码字段的唯一性保证以及查询、插入、删除、更新操作和DBTG完整性约束课件还借助学生、宿舍、教师、教研室等图示说明复杂实体联系为后续学习关系模型、SQL语言及数据库设计优化打下基础。1. 数据库原理的知识地图十章内容其实是一条主线「数据库原理第四版课件」这门课最容易被学成碎片概念一堆、模型三套、SQL 又是一套考完就散。系统梳理下来会发现它其实只有一条主线——先讲数据库系统是什么绪论、系统结构、系统组成再讲怎么把现实世界翻译成机器能存的东西概念模型→逻辑模型→物理存储最后讲怎么用、怎么设计、怎么不出事SQL、设计、恢复、并发。适合两类人正跟着课件从头学的和已经学过一遍、想找一张能随时翻看复习的地图的人。第一章先把骨架立起来后面几章逐个模块压实。2. 开发六步与三级结构数据库系统的骨架怎么搭不少人把开发步骤当成背诵题背完「需求分析、概念结构设计、逻辑结构设计、物理结构设计、数据库实施、运行维护」六个词就过去了。真正做题、做项目时才会发现这六步是一条信息逐级收敛的流水线每一步的产出都是下一步的输入任何一步偷工减料后面都要用双倍的时间补。数据库系统结构那一节三级模式两级映像则是这条流水线的静态切片一个讲「怎么造」一个讲「造好之后长什么样」两节合起来才是完整的骨架。2.1 六个步骤的输入、产出与高发问题需求分析阶段收集的不是「要建哪些表」而是业务里有哪些对象、对象之间有什么关系、每个字段的取值范围和更新频度。产出物是数据字典和数据流图数据字典里除了字段名和类型更要写清码、非空约束、取值域。这一步最常见的失误是只记字段不记约束等到逻辑设计才发现「一个学生能不能选同一门课两次」这种问题没人能回答。概念结构设计阶段产出 E-R 图它的关键特征是独立于任何具体 DBMS图里不该出现索引、分区、字段长度这类存储细节。E-R 图能不能让业务方看懂是判断这一步做没做好的土办法——如果只有你自己看得懂那多半是把逻辑设计提前做了。逻辑结构设计把 E-R 图转成关系模式同时做规范化一般到 3NF特殊场景到 BCNF再按用户角色划出外模式视图。这一步的坑集中在多对多联系上m:n 必须单独成表很多人图省事把联系属性塞进某一端后面查询写得极其别扭。物理结构设计决定存取方法和存储结构索引建几个、建在哪几列、要不要聚簇都在这里定。索引不是越多越好写多读少的表上堆索引插入性能会被拖垮这是典型的「设计时爽、上线后哭」。数据库实施阶段是建库建表、装载初始数据、编写应用程序、试运行。血泪经验是约束一定要在装数据之前定义好先灌数据再补约束等于给自己制造一场数据清洗的苦役。运行维护阶段做备份恢复、性能监控、调优和结构调整。这一步最容易被忽略的是恢复演练——备份文件从来没被还原过就等于没有备份。阶段核心产出判断做好的标准高发问题需求分析数据字典、数据流图业务方能确认约束与频度只收字段不收约束概念结构设计E-R 图不含任何 DBMS 细节把索引、长度画进图里逻辑结构设计关系模式、视图满足范式且无损连接多对多没拆成独立表物理结构设计索引方案、存储参数读写比例有依据索引堆太多拖慢写入数据库实施建库脚本、初始数据约束先于数据脏数据先进库再补约束运行维护备份策略、监控指标做过还原演练备份从不验证2.2 三级模式两级映像数据独立性到底靠什么撑住三级模式是外模式、模式、内模式。外模式是用户看到的那部分数据的逻辑描述一个数据库可以有多个外模式对应不同角色模式是全体数据的逻辑结构和特征的描述全局只有一份内模式描述数据的物理存储方式和存取方法。三层之间的关系不是包含而是「视图」——外模式是模式的一个子集加派生内模式是模式的存储实现。两级映像才是独立性的真正来源。外模式/模式映像定义了外模式与模式之间的对应关系当模式改变比如加了一个字段、拆了一张表只要调整这层映像外模式和应用程序可以不动这叫逻辑独立性。模式/内模式映像定义了逻辑结构与物理存储之间的对应关系当存储方式改变换存储设备、改索引组织方式只要调整这层映像模式可以不动这叫物理独立性。这两条对应关系是考试里最经典的送分题也是最经典的记混点。判断口诀可以这么记越靠近用户的那层映像管的是「逻辑」越靠近存储的那层映像管的是「物理」。数据独立性不是数据库白送的特性它是用两级映像换来的——代价是每次结构变更都要维护映像这也是为什么实际项目里改表结构要评估影响面。2.3 系统组成与三条研究主线数据库系统不只是「一个数据库加一个软件」它由数据库、数据库管理系统、应用程序、数据库管理员、最终用户和硬件支撑环境共同组成。其中数据库管理员的职责常被低估定义模式、定义存储结构与存取方法、监控运行、保证数据完整性、做恢复与授权这些工作贯穿数据库整个生命周期而不是上线前配一次就完事。数据库技术的研究领域大致分三块。第一块是数据库管理系统本身的研制关注数据模型、查询优化、事务处理、存储引擎这些内核问题第二块是数据库设计关注怎么用现有的模型和工具把一个具体业务建模建好属于方法论第三块是数据库理论比如关系代数、规范化理论、依赖理论偏数学基础。三块的分工很清楚第一块造工具第二块用工具第三块解释工具为什么成立。复习时把这三条线和前面六步对应起来知识就不会散——逻辑结构设计对应设计方法论三级模式对应管理系统实现范式与依赖对应理论基础。3. 数据模型三要素从现实世界到机器世界的两次翻译数据模型这一节是整个课程的方法论核心。教材先讲概念模型再讲数据模型的组成要素最后罗列层次、网状、关系三种最常用的模型这个顺序不是随意的它对应现实世界→信息世界→机器世界的两次转换也对应「先想清楚、再选工具、最后落地」的工作节奏。把这条转换链想通后面再看任何模型都不会觉得是零散知识点。3.1 三个世界与两次转换现实世界是客观存在的那部分学生、课程、教师、宿舍以及它们之间真实发生的关系。信息世界是对现实世界的一次抽象用实体、属性、联系这些概念把「有意义的特征」提取出来形成概念模型。机器世界是对信息世界的二次抽象用记录、字段、指针这些计算机能处理的结构来表达形成数据模型。两次转换的边界要分清。第一次转换发生在需求分析和概念结构设计之间做的是「取舍」——哪些对象重要、哪些属性值得记录由业务目标决定第二次转换发生在概念结构设计和逻辑结构设计之间做的是「映射」——实体变表、属性变列、联系变外码或独立表由所选模型决定。混淆这两次转换就会出现「概念模型里写字段长度」或者「逻辑模型里还在讨论业务语义」的情况。值得强调的是概念模型独立于具体的数据库管理系统这是它最大的价值。业务需求变化时先改概念模型再往下推换了数据库产品概念模型不用动。3.2 三要素是所有模型的通用答题框架数据模型的三要素是数据结构、数据操纵、完整性约束。数据结构描述系统的静态特性包括数据对象、它们之间的联系以及约束数据操纵描述动态特性包括查询和更新两大类操作完整性约束是一组语义规则保证数据的正确、有效、相容。这三要素的价值在于它是一个万能框架。评价任何一个数据模型都可以按这三个维度拆数据结构怎么表示联系数据操纵有哪些操作、以什么为单位完整性约束靠什么机制保证。复习时如果只能背出三要素的名字却说不出在每个模型里的具体表现那基本等于没学。三要素在关系模型中的体现在网状模型中的体现数据结构二维表、列、元组记录类型作结点、连线作父子联系数据操纵集合操作一次一集合SQL 描述「做什么」一次一记录按路径导航描述「怎么做」完整性约束实体完整性、参照完整性、用户定义完整性码、双亲子女一对多、属籍类别表里最容易被忽略的是「一次一集合」与「一次一记录」的差别。它不是措辞差异而是两种模型在易用性上拉开差距的根本原因关系模型把「怎么找」交给了优化器网状模型把「怎么找」写进了程序里。3.3 概念模型的六个术语与 E-R 表达概念模型的核心术语有六个实体是客观存在并可相互区分的事物属性是实体所具有的某一特性码是能唯一标识实体的属性或属性组域是属性的取值范围实体型是同类实体的抽象用实体名加属性名表示实体集是同一类型实体的集合。前四个术语描述个体后两个描述集合这一层区分经常被含糊过去。联系用来刻画实体之间的关联按参与数量分 1:1、1:n、m:n 三类。E-R 图用矩形表示实体型椭圆表示属性菱形表示联系连线标注联系类型。画图时有两个习惯值得养成一是把联系上的属性画在菱形旁边不要挂到某一端的实体上二是对 m:n 联系一定要标清两端的基数这是后面转关系模式的依据。3.4 从 E-R 图到关系模式三种联系的转换规则转换规则可以浓缩成三句话1:1 联系可以并入任意一端把另一端的码作为外码1:n 联系并入 n 端把 1 端的码作为外码m:n 联系必须独立成一张表两端码的组合作为主码或联合主码联系自身的属性也放到这张表里。这三条规则里m:n 的独立成表是重点也是易错点。用学生选课的例子落地-- 实体表学生sid 为主码对应 E-R 图里的矩形 CREATE TABLE student ( sid CHAR(8) PRIMARY KEY, sname VARCHAR(20) NOT NULL ); -- 实体表课程cid 为主码 CREATE TABLE course ( cid CHAR(8) PRIMARY KEY, cname VARCHAR(30) NOT NULL ); -- 联系表选课(sid, cid) 联合主码grade 是联系上的属性 CREATE TABLE sc ( sid CHAR(8) NOT NULL, cid CHAR(8) NOT NULL, grade DECIMAL(4,1), PRIMARY KEY (sid, cid), -- 同一学生同一课程只能有一条选课记录 FOREIGN KEY (sid) REFERENCES student(sid), -- 参照完整性不允许选不存在的学生 FOREIGN KEY (cid) REFERENCES course(cid) -- 参照完整性不允许选不存在的课程 );联合主码(sid, cid)承担了两个作用一是保证不重复选课二是天然形成按学生、按课程的两种查询路径。两个外码分别把联系表挂回实体表参照完整性由数据库系统检查不需要应用层自己维护。grade放在联系表而不是学生表或课程表是因为成绩既不属于学生本身也不属于课程本身它只存在于「某个学生选了某门课」这一事实里——这个判断标准可以推广到所有 1:1 和 1:n 的联系属性归属问题。4. 网状模型拆解从双亲条件到完整性约束网状模型是课件里讲得最细的一种非关系模型细到数据结构、数据操纵、完整性约束、存储结构、优缺点、典型系统六个方面逐条展开。它值得花时间原因有两个一是它把「用指针表达联系」这件事讲透了理解了它再回头看关系模型的外码会明白关系模型到底省掉了什么二是它的完整性约束设计很反直觉和关系模型的参照完整性几乎是两个方向考试特别爱在这里设陷阱。4.1 两个成立条件网状模型到底「网」在哪网状模型的数据结构定义为满足下面两个条件的基本层次联系的集合允许一个以上的结点无双亲一个结点可以有多于一个双亲。这两个条件要连起来读——第一个条件打破了「必须有一个根」的限制第二个条件打破了「每个结点只能有一个上级」的限制两条合起来结构就从树变成了图。表示方法和层次模型一致实体型用记录类型描述每个结点是一个记录类型属性用字段描述每个记录类型可包含若干字段联系用结点之间的连线表示记录类型之间的一对多父子联系。这里有个容易漏掉的限定连线表达的仍然是一对多的父子联系网状模型的「网」是靠多个一对多联系拼出来的不是靠一条连线直接表达多对多。三个特点要背准。第一只能直接处理一对多的实体联系多对多必须绕一道第二每个记录类型定义一个排序字段也叫码字段用来标识记录第三任何记录值只有按其路径查看时才能显出它的全部意义。第三条最抽象翻译一下就是一条教师记录脱离了「属于哪个系」这条路径它的含义是不完整的值本身不携带完整语义。4.2 与层次模型的四条区别这两个模型经常被放在一起对比区别可以归成四条网状模型允许多个结点没有双亲结点网状模型允许结点有多个双亲结点网状模型允许两个结点之间有多种联系也就是复合联系网状模型可以更直接地描述现实世界而层次模型实际上是网状模型的一个特例。最后一句是判断 nugget层次模型是网状模型的特例反过来不成立。这意味着凡是能用层次模型描述的结构网状模型都能描述反之不然。答题时如果问「网状模型相比层次模型的优势」标准答案就落在这四条上尤其是「复合联系」和「更直接描述现实世界」这两条前者是结构能力后者是建模效果。4.3 多对多怎么落进网状模型网状模型只能直接处理一对多那多对多怎么办办法是把多对多联系直接分解成一对多联系用一个中间记录类型承接两端。学生和课程的多对多在网状模型里会变成「学生—选课—课程」这样两个一对多一个学生对应多条选课记录一门课程对应多条选课记录选课记录同时对双亲有联系。这个中间记录类型有时被叫作联结记录它承担的角色和关系模型里那张联系表一模一样。两者的差别在于实现关系模型靠外码的值匹配网状模型靠指针把记录物理地串起来。理解了这个对应关系再看后面的存储结构就不会觉得突兀——所谓单向链接、双向链接、环状链接、向首链接说的都是这些指针怎么摆。4.4 数据操纵与完整性约束属籍类别是关键数据操纵包括查询、插入、删除、更新四类操作单位是记录访问路径必须由程序指定。这一点决定了网状模型的使用门槛同样的查询关系模型写一句 SQL 就行网状模型要沿着指针一步步走。完整性约束部分信息密度最高。早期网状数据库的规范方案对数据操纵加了一些限制提供了一定的完整性约束主要包括码、双亲结点与子女结点之间的一对多联系、以及属籍类别。属籍类别又分加入类别和移出类别两组。加入类别描述子女记录加入某个双亲系的方式有自动的和手工的两种自动意味着插入子女记录时系统自动把它挂到对应双亲下手工意味着需要程序显式建立连接。移出类别描述子女记录脱离双亲系时的处置方式分固定的、必须的、随意的三种固定表示子女必须随双亲一起处理必须表示子女不能脱离任何系而存在随意表示可以自由移出。另外两条约束条件更要留意允许插入尚未确定双亲结点值的子女结点值允许只删除双亲结点值。这两条在关系模型里都是「违规操作」——前者相当于外码为空后者相当于留下孤儿记录。网状模型允许它们是因为指针结构本身能表达「暂时没有挂上」和「悬空」这两种状态。理解了这一点就理解了两种模型在完整性上的根本分歧关系模型靠约束拒绝非法状态网状模型靠结构容纳中间状态。4.5 存储结构与四种链接方式存储结构的关键是实现记录之间的联系常用方法有四种单向链接、双向链接、环状链接、向首链接。单向链接是每个子女记录只存一个指向下一个兄弟的指针只能顺着走不能回头双向链接多存一个前驱指针可以来回遍历代价是多一份存储和维护成本环状链接让最后一个子女的指针指回第一个首尾相接适合循环扫描向首链接让每个子女都存一个指向双亲的指针便于从子女快速找回双亲也就是反向导航。这四种方式的选择本质上是「查询方向」与「存储开销」的权衡。如果业务主要按双亲查子女用单向或双向链接就够如果经常要从子女反查双亲向首链接更划算。用 C 语言的结构体可以把「系—教师」这个一对多关系的存储方式写清楚/* 系与教师一对多采用双向链接 向首链接的组合 */ typedef struct teacher_record { char tno[8]; /* 码字段排序字段教师号网状模型要求每个记录类型都有 */ char tname[20]; char dept_no[8]; /* 向首链接直接指回双亲系记录支持子女反查双亲 */ struct teacher_record *next; /* 双向链接的后继同一系内的下一个教师 */ struct teacher_record *prev; /* 双向链接的前驱支持反向遍历同一系内的教师 */ } TEACHER; typedef struct dept_record { char dno[8]; /* 码字段系号 */ char dname[20]; TEACHER *first_teacher; /* 双亲侧的入口指针指向本系第一个教师记录 */ } DEPT;这段结构里first_teacher是双亲侧的入口next和prev构成子女侧的双向链dept_no是子女侧的向首链接。三个指针合起来解决了三类访问按系列教师、按系倒序列教师、按教师查所属系。参数tno之所以标注为码字段而不是主码是因为网状模型的码字段主要承担排序与标识作用它的唯一性靠数据库系统的约束保证语义上和关系模型的主码并不完全等同——这个差别在第 5 章还会再提一次。4.6 优缺点与它的历史位置优点有两条能够更为直接地描述现实世界比如一个结点可以有多个双亲具有良好的性能存取效率较高。效率高不是玄学是因为访问路径在程序里写死了数据库系统不需要在运行时做路径选择省掉了优化开销。缺点也是两条结构比较复杂而且随着应用环境的扩大数据库的结构会变得越来越复杂不利于最终用户掌握数据定义语言和数据操纵语言复杂用户不容易使用。这两条其实是同一个问题的两面——把复杂度从系统转移给了使用者和开发者。上世纪 70 年代一个由多家厂商组成的数据库任务组提出了一个系统方案奠定了数据库系统的基本概念、方法和技术随后出现了若干商用网状数据库产品。这些产品在当时的批处理场景里表现很好但随着应用规模扩大和终端用户增多结构复杂、语言难用的短板被放大最终让位给关系模型。这段历史给复习者的启示不是「哪个模型更好」而是「模型的选择取决于使用者和场景」——这也是第 5 章横向对比的落脚点。5. 三模型对比与易错点层次、网状、关系最容易记混的五处层次、网状、关系三种模型放在一起讲的时候很多人会陷入「背完就混」的状态单个模型的问题都能答一旦要横向比较就开始含糊。原因往往不是记性不好而是比较的维度没定下来。这一章先把维度固定成一张表再逐条处理五个最容易出错的地方——这五处基本覆盖了选择题和简答题里 80% 的失分点。5.1 用五个维度把三种模型摆平比较任何数据模型都可以回到第 3 章那个三要素框架再补上「多对多支持」和「使用门槛」两个工程维度。五个维度定下来横向对比就不会东一榔头西一棒子。维度层次模型网状模型关系模型数据结构有且仅有一个根的有向树满足两个条件的基本层次联系集合二维表联系表示父子连线一对多连线加指针一对多外码或独立表多对多支持不能直接表示不能直接表示需分解为两个一对多直接用独立表表示数据操纵按路径导航一次一记录按路径导航一次一记录非过程化一次一集合完整性约束双亲约束码、一对多、属籍类别允许暂时无亲、允许只删双亲实体完整性、参照完整性、用户定义完整性表里最值得盯的是「多对多支持」这一行。三种模型里只有关系模型能直接表示多对多层次和网状都得绕。这个差别决定了三者在建模复杂业务时的成本也是关系模型胜出的技术原因之一。再补一条常被漏掉的层次模型是网状模型的特例。答题时如果只写「网状比层次灵活」不够写清「层次模型是网状模型在限制条件下的特例」才完整。5.2 五个易错点漏在哪、为什么漏、怎么补易错点一把「网状模型能直接处理多对多」当成结论。为什么漏看到网状模型里一个结点可以有多个双亲直觉上就以为多对多被直接支持了把「多双亲」和「多对多」混成了一件事。怎么补回到定义网状模型的连线表达的仍然是一对多的父子联系多对多必须先分解成一对多再表达。记住一句话——多双亲解决的是「一个子女挂多个父」不是「两个实体互为多对多」。易错点二把网状模型的码字段直接等同于关系模型的主码。为什么漏两个概念都叫「码」教材在不同章节分别定义复习时容易合并成一个。怎么补关系模型的主码约束的是元组的唯一性是完整性约束的一部分网状模型的码字段排序字段首先承担排序与路径定位的作用唯一性约束是附加的。答题时如果问「网状模型的特点」写「每个记录类型定义一个排序字段也称码字段」别顺手加「相当于主码」。易错点三记住「允许只删除双亲结点值」却不知道它意味着什么。为什么漏这条约束条件背起来很顺口但它的后果从来没人展开讲。怎么补把它和关系模型的参照完整性对照——关系模型里删掉被参照的记录会被拒绝或级联网状模型允许留下悬空的子女记录靠移出类别固定的、必须的、随意的来控制子女的处置方式。理解了「允许中间状态存在」才算真正理解网状模型的完整性设计取向。易错点四两级映像与两种独立性的对应关系记反。为什么漏四个名词外模式/模式映像、模式/内模式映像、逻辑独立性、物理独立性两两配对纯记忆时极易交叉。怎么补用位置判断靠近用户的映像管逻辑靠近存储的映像管物理。外模式在用户侧所以外模式/模式映像对应逻辑独立性内模式在存储侧所以模式/内模式映像对应物理独立性。易错点五把概念模型和逻辑模型搞混往 E-R 图里塞存储细节。为什么漏课件讲 E-R 图时经常紧跟着举关系模式的例子视觉上连着容易以为是一回事。怎么补判断标准只有一个——概念模型独立于任何具体的数据库管理系统。凡是出现字段长度、索引、分区、数据类型这些依赖具体产品的描述就已经不是概念模型了。画 E-R 图时强迫自己只写实体名、属性名和联系类型不写任何类型声明。这五条整理下来会发现一个规律所有易错点都出在「两个相似概念之间的边界」上而不是出在单个概念本身。复习时的有效做法不是重复背定义而是主动去找每个概念的「邻居」把边界说清楚。6. 复习清单按题型倒推的查漏补缺顺序复习到这一步最怕的是「感觉都看过一做题就虚」。比较靠得住的做法不是再从头翻一遍课件而是按题型倒推这门课的题基本落在概念辨析、结构判断、转换规则、约束分析四类上那就按这四类各自准备一份自查清单逐条过过的标准是「能不看书画出结构、说出理由」。模块必须能默写的内容自查问句开发步骤六步名称与每步产出多对多联系是在哪一步被拆开的三级结构三级模式、两级映像、两种独立性换存储设备该动哪层映像数据模型三要素三要素名称及在三种模型中的表现完整性能不能说清网状与关系的分歧概念模型六个术语、三类联系、E-R 三要素联系上的属性该画在哪转换规则1:1、1:n、m:n 三条规则联合主码为什么能防重复选课网状模型两个条件、三个特点、四条区别多对多靠什么分解完整性码、一对多、属籍类别三组加入类别与移出类别各管什么存储结构四种链接方式向首链接解决的是哪个方向的查询表格只是目录真正起作用的是「三遍过法」。第一遍画地图拿一张白纸默写从开发六步到三级模式再到三种模型的骨架写不出来的地方做标记只补标记处。第二遍填表把上面这张表当考卷每一行逼自己说出具体内容说不清就回到对应章节重点看定义里的限定词——「只能直接处理一对多」「允许一个以上结点无双亲」这类限定词才是判卷时的采分点。第三遍只看错把两遍里所有卡住的地方抄成一页纸考前只翻这一页不再碰整本课件。有一个特别值得单独练的动作把网状模型的「允许只删除双亲结点值」和关系模型的参照完整性摆在一起用三句话说明它们各自的设计取向。能说清这个说明你对完整性约束的理解已经从背诵升到了比较简答题基本不会失分。从那以后我每次复习数据库都强制先默写三要素框架和三级模式两级映像写不出来就不往下翻课件——因为这两块一旦含糊后面所有模型都只能靠死记越记越乱。希望帮到你。本文还有配套的精品资源点击获取